Signaux aléatoires

Travaux dirigés

Exercice 1 :
Soit x(t) un processus stochastique continu donné par sa moyenne mx (t) et sa matrice de corrélation
Rx (t, τ ). Calculer la moyenne et la variance des v.a. z = x(5) et w = x(8) ainsi que la covariance.
Exercice 2 :
Soit le processus stochastique x(t) = r cos(ωt + φ) où ω est une v.a. de densité de probabilité pω (α)
et φ est une v.a. uniformément distribuée sur [−π , π], ω et φ sont indépendantes. r est une variable
réelle. Calculer la moyenne et la corrélation de x(t).
Exercice 3 :
Soit le processus stochastique x(t) = r cos(ωt + φ) où r est une v.a. . φ et ω sont des variables réelles.
x(t) est-il stationnaire au sens large ?
Exercice 4 :
Soit le processus stochastique x(t) = r cos(ωt + φ) où φ est une v.a. uniformément distribuée sur
[−π , π]. r et ω des variables réelles.
1- Montrer que x(t) est stationnaire au sens large.

2- Montrer que le processus est à moyenne et à corrélation ergodiques.

Exercice 5 :
On définit une certaine classe de signaux y(t) par :

y(t) = rx(t) cos(ωp t + φ)

où x(t) est un signal aléatoire stationnaire modulant une porteuse sinusoidale r cos(ωp t + φ). La
moyenne de x(t) est nulle, sa corrélation est Rx (τ ) et sa densité spectrale de puissance est Sx (ω). r
et ω sont des constantes alors que φ est uniformément répartie sur [0 , 2π]. En supposant que φ et
x(t) sont indépendants, calculer la valeur moyenne, la corrélation et le spectre de puissance de y(t).

1
 Signaux aléatoires
Travaux dirigés 2 : correction

Exercice 1 :
Soit x(t) un processus stochastique continu donné par sa moyenne mx (t) et sa matrice de corrélation
Rx (t, τ ).

E[z] = E[x(5)] = mx (5)

E[w] = E[x(8)] = mx (8)

De même,

var(z) = E[x(5)2 ] − m2x (5) = Rx (5, 5) − m2x (5)

var(w) = E[x(8)2 ] − m2x (8) = Rx (8, 8) − m2x (8)

Finalement,

cov(z, w) = E[(x(5) − mx (5))(x(8) − mx (8))] = Rx (5, 8) − mx (5)mx (8)

Exercice 2 :
Soit le processus stochastique x(t) = r cos(ωt + φ) où ω est une v.a. de densité de probabilité pω (α)
et φ est une v.a. uniformément distribuée sur [−π , π], ω et φ sont indépendantes. r est une variable
réelle.
La moyenne est donnée par :
mx (t) = E[x(t)] = E[r cos(ωt + φ)] = rE[cos(ωt + φ)] = rE[cos ωt cos φ] − rE[sin ωt sin φ]

Comme les deux variables ω et φ sont indépendantes :

mx (t) = rE[cos ωt]E[cos φ] − rE[sin ωt]E[sin φ]

Comme,

π

 1

 E[cos φ] = cos βdβ = 0
 2π −π

π

 1

 E[sin φ] = sin βdβ = 0
2π −π

on obtient finalement :

mx (t) = 0

3
La corrélation de x(t) est définie par :

Rx (t, t + τ ) = E[r2 cos(ωt + φ) cos(ω(t + τ ) + φ)]

Soit, par le même raisonnement,

r2 r2 r2
Rx (t, t + τ ) = E[cos ωτ ] + E[cos(2ωt + ωτ + 2φ)] = E[cos ωτ ]
2 2 2
Finalement, on obtient,

∞
r2
Rx (t, t + τ ) = cos(ατ )pω (α)dα
2 −∞

Exercice 3 :
Soit le processus stochastique x(t) = r cos(ωt + φ) où r est une v.a. . φ et ω sont des variables réelles.
Sa moyenne est donnée par :

E[x(t)] = cos(ωt + φ)E[r]

Celle-ci n’est constante que si E[r] = 0. La corrélation peut s’écrire :

Rx (t, t + τ ) = E[x(t)x(t + τ )] = cos(ωt + φ) cos(ω(t + τ ) + φ)E[r2 ]

On obtient finalement,

E[r2 ]
Rx (t, t + τ ) = [cos ωτ + cos(2ωt + 2φ + ωτ )]
2
Cette dernière expression dépend explicitement de t et de τ . Le processus stochastique n’est donc pas
SSL.

Exercice 4 :
Soit le processus stochastique x(t) = r cos(ωt + φ) où φ est une v.a. uniformément distribuée sur
[−π , π]. r et ω des variables réelles.

1- On calcule la moyenne et la corrélation de x(t). La moyenne est calculée par :

mx (t) = E[x(t)] = E[r cos(ωt + φ)] = rE[cos(ωt + φ)]

La densité de probabilité de la v.a. φ est :

 1

 −π ≤α≤π
pφ (α) = 2π


0 ailleurs

On obtient donc,

∞
π
r
mx (t) = r cos(ωt + α)pφ (α)dα = cos(ωt + α)dα = 0
−∞ 2π −π

La corrélation s’écrit :

Rx (t, t + τ ) = E[x(t)x(t + τ )]

4
 On obtient donc :

π
r2
Rx (t, t + τ ) = cos(ωt + α) cos(ω(t + τ ) + α)dα
2π −π

π
r2 1
= [cos ωτ + cos(2ωt + 2α + ωτ )]dα
2π −π 2

r2
= cos ωτ
2
La moyenne de x(t) est constante et sa corrélation ne dépend que de τ , l’écart entre les deux
instants de calcul, Rx (t, t + τ ) = Rx (τ ) donc le processus stochastique x(t) est SSL. De plus, la
fonction Rx (τ ) est périodique de période 2π/ω.

2- On calcule la moyenne temporelle du processus stochastique x(t).

T
1
x =< x(t) > = lim r cos(ωt + φ)dt
T →∞ 2T −T

T0
rω
= cos(ωt + φ)dt = 0
4π −T0

où T0 = 2π/ω. On a donc x = mx (t) = 0. Le processus est à moyenne ergodique.

La moyenne temporelle de la corrélation :

T
1
Rx (τ ) =< x(t)x(t + τ ) > = lim r2 cos(ωt + φ) cos(ω(t + τ ) + φ)dt
T →∞ 2T −T

T0
r2 1
= [cos ωτ + cos(2ωt + 2φ + ωτ )]dt
2T0 −T0 2

r2
= cos ωτ
2
On a donc Rx (τ ) = Rx (τ ). Le processus est donc également à corrélation ergodique.

Exercice 5 :
On définit une certaine classe de signaux y(t) par :

y(t) = rx(t) cos(ωp t + φ)

où x(t) est un signal aléatoire stationnaire modulant une porteuse sinusoidale r cos(ωp t + φ). La
moyenne de x(t) est nulle, sa corrélation est Rx (τ ) et sa densité spectrale de puissance est Sx (ω). r
et ω sont des constantes alors que φ est uniformément répartie sur [0 , 2π].
On calcule la moyenne my (t) du processus y(t).

my (t) = E[y(t)] = E[rx(t) cos(ωp t + φ)]

= rE[x(t)]E[cos(ωp t + φ)] = 0

5
La corrélation
Ry (t, t + τ ) = E[y(t)y(t + τ )]

= E[r2 x(t)x(t + τ ) cos(ωp t + φ) cos(ωp (t + τ ) + φ)]

r2
= E[x(t)x(t + τ )]E[cos ωp τ + cos(2ωp t + ωp τ + 2φ)]
2

r2
= Rx (τ ) cos ωp τ = Ry (τ )
2
La moyenne du processus stochastique y(t) est constante et sa corrélation ne dépend que de l’écart τ
entre les instants où elle est calculée, le processus stochastique y(t) est SSL.
Il est donc possible de calculer la densité spectrale de puissance.
r2
Ψy (ω) = T F (Ry (τ )) = T F (Rx (τ ) cos ωp τ )
2
Les transformées de Fourier sont données par :
T F (Rx (τ )) = Sx (ω)

T F (cos ωp τ ) = πδ(ω − ωp ) + πδ(ω + ωp )

En appliquant le théorème de convolution :
r2
Sy (ω) = Sx (ω) ∗ [πδ(ω − ωp ) + πδ(ω + ωp )]
4π

r2
= [Sx (ω − ωp ) + Sx (ω + ωp )]
4
7